数据库、数据仓库、数据湖、数据集市、数据中台这些概念，我终于整明白了

随着互联网的快速发展，越来越多的人涌进互联网，通过浏览器、智能终端、各种设备，产生了海量的数据，同时也产生了很多数据的概念，如数据库、数据仓库、数据湖、数据集市、数据中台等，这些概念相互交错，互相关联。对于它们分别是什么，又怎么使用，彼此之间的关系又怎么样？今天一篇文章就能给你整明白。

数据库，本质上是一个二维关系存储系统，存储结构化数据，比如某学校的学生信息表、某年级的学生成绩表等。它因为使用简单，结构化程度高，极大的促进了互联网的发展。它包含操作性数据库和分析型数据库两类。

所谓操作型数据库，主要是针对一个“事务”型操作而言，用于支持日常业务，比如购买商品、点外卖、打滴滴等。

所谓分析型数据库，主要是对历史数据进行分析，比如分析某商品的销售量、某店的订单量、某师傅的车订单量等。

由于操作型数据库写多查少、数据动态变化、存储时间要求不高等特点，它注定与分析型数据库不会是同一个数据库，分析型数据库写少查多、数据基本稳定、存储时间长。随着我们对分析数据的要求变高，我们希望看到更多维度的分析，传统的分析型数据库的支持就变得很难了，比如我们想看淘宝某店家的披萨在什么情况下最好销售，这时候需要披萨信息表、订单销售表、消费者信息表、中国天气表等多个表联同起来，才能分析出在什么天气、什么地理位置、什么口味、什么价格的时候最好售卖，因此数据仓库应运而生。

数据仓库，本质上是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，是比数据库范围更大的库。所谓面向主题，它指的是数据仓库内的信息按照某个主题进行聚合，比如地区、成本、商品、收入、利润等等；所谓集成的，它指的是可以把不同数据库中的数据都汇聚在一起；所谓相对稳定的，它指的是数据仓库的数据不会像操作型数据库那样经常变化；所谓反映历史变化，它指的是数据仓库内的信息不只是反映企业当前情况，还可以记录分析从过去某一个时间点到现在的变化。

在数据仓库的发展及探索过程中，还出现了数据集市、商业智能BI的概念。所谓数据集市，它是一个小型的数据仓库，只关注某一个主题，比如只关注成本，那么它就会只收录成本相关的数据，数据来源可以是自己的源数据库，也可以从数据仓库中获取某一主题的数据；所谓商业智能，则是运营分析数据的进阶，通过数据仓库获取到了分析型数据后，BI人员会结合业务现况、市场现况、分析数据对当下的业务做一个判断，提供老板决策。

数据湖，它是一个比数据仓库更大、对于数据也没有任何限制的大型仓库，里面的数据像湖水一样可以自然流动，数据可以供存储、处理、分析。在数据湖中，存储的数据没有经过任何的处理，是直接从源系统导入的数据，它包含结构化数据、非结构化数据、半结构化数据，范围非常广，也是数据仓库的数据来源。此外，它还用于机器学习、预测分析、信息追踪等场景，提供海量的数据供科学家们进行模型训练、在某个领域做推荐引擎。数据仓库和数据湖的区别可见下表所示。

数据中台，本质上是服务于业务的数据分析系统，它从一出生开始就是为业务而生。数据仓库提供的是统计分析、单领域维度、被动分析、非实时分析，必然不能满足企业的多维度分析、主动分析、预测分析、实时分析、多元化分析等场景，因此数据中台应运而生。整个数据中台产品就是一个闭环的解决方案，不再是业务过程中的一环，它包含数据埋点、数据接入标准化、数据仓库抽象化、数据治理、数据服务五大模块，打通了人、物、场多个维度，更好的为前台去服务。此外在数据中台的建设中，企业组织文化也非常重要，它需要联动各个业务线去接入这套系统，标准化治理与管理，但在数据仓库的建设过程是不需要关注这一层次的。因此数据中台是数据仓库的又一次质的飞跃。

数据库、数据湖、数据仓库、数据集市、数据中台都是我们在不同阶段结合不同需求对数据的处理解决方案，并不是说哪一个方案就过时了，每一个方案到现在都有它存在使用的场景，我们结合自己的诉求进行对应的建设即可～